无人机可以利用受蠕虫启发的人工智能软件实现自主飞行

蠕虫的大脑可能非常小，但这个小器官启发了研究人员为无人机设计更好的软件。麻省理工学院的研究人员利用液体神经网络训练无人机识别不同环境中的物体并导航。

液态神经网络是一种独特的人工智能工具。它们可以推断并将以前的数据应用到新环境中。换句话说，“它们可以推广到从未见过的情况”，麻省理工学院的研究员、该主题新研究的合著者之一拉明·哈萨尼 (Ramin Hasani) 说。这项研究于 4 月 19 日发表在《科学机器人》杂志上。

神经网络是一种软件，其灵感来源于大脑中神经元的相互作用。本研究考察的神经网络类型是液态神经网络，当获得新信息时，它可以实时灵活地适应，因此得名“液态”。

[相关：这个微型人工智能机器人正在学习自行探索海洋]

研究人员的网络是仿照 2 毫米长的线虫（秀丽隐杆线虫）建模的。它的大脑自然很小：只有 302 个神经元和 8,000 个突触连接，这让研究人员能够了解神经连接的复杂性。相比之下，人类大脑估计有 860 亿个神经元和 100 万亿个突触。

“我们想要模拟神经元的动态，了解它们如何运作，以及它们如何在一个神经元到另一个神经元之间释放信息，”哈萨尼说。

这些强大的网络使无人机能够实时适应，即使经过初始训练，也能够识别目标物体，而不受环境变化的影响。液态神经网络在不同环境下达到目标的成功率超过 90%，并表现出灵活的决策能力。

研究人员表示，利用这项技术，人们可能能够完成诸如自动野生动物监测和搜索救援任务等任务。

研究人员首先教会软件识别红色椅子并朝其飞去。在无人机（大疆四轴飞行器）在 10 米（约 33 英尺）外证明了这一能力后，研究人员逐渐增加了起始距离。令他们惊讶的是，无人机从 45 米（约 145 英尺）远的距离慢慢接近目标椅子。

“我想那是我第一次想到‘这实际上可能非常强大’，因为我从来没有从这么远的距离看到过[网络驾驶无人机]，而且它一直做到了这一点，”麻省理工学院的合著者和研究生研究员马克拉姆·查因说，“所以这对我来说相当令人印象深刻。”

在无人机成功飞向不同距离的物体后，他们测试了它在城市露台上识别红色椅子和其他椅子的能力。能够正确区分椅子和类似刺激物证明系统能够理解实际任务，而不是仅仅朝着背景为红色像素的图像导航。

例如，无人机可以接受训练，不再只是识别红色椅子，而是根据海洋图像识别鲸鱼，或者识别自然灾害后遗留的人类。

“一旦我们确认液体网络至少能够复制任务行为，我们就会尝试观察它们在域外的表现，”论文合著者、麻省理工学院本科生研究员 Patrick Kao 说道。他们测试了无人机在城市和树木环境中、不同季节和光照条件下识别红色椅子的能力。该网络仍然证明是成功的，在不同环境中表现出多种用途。

[相关：观鸟者们看到了：康奈尔大学的 Merlin 应用程序现在是鸟类识别的一站式商店]

他们对两个液态神经网络和四个非液态神经网络进行了测试，发现液态神经网络在各个方面都优于其他神经网络。现在要断言液态神经网络如此成功的原因还为时过早。研究人员表示，一种假设可能与理解因果关系或因果关系的能力有关，这使得液态神经网络能够专注于目标椅子并朝着目标椅子导航，而不受周围环境的影响。

该系统足够复杂，可以完成诸如识别物体然后向其移动等任务，但又不会复杂到阻碍研究人员理解其底层过程。哈萨尼说：“我们希望创造一种可理解、可控制的东西，这就是我们想要实现的未来。但目前我们距离这个目标还很远。”

人工智能系统最近一直是争议的主题，人们担心其安全性和过度自动化，但研究人员表示，完全了解其技术的能力不仅是一项优先事项，更是一项目的。

哈萨尼说：“作为机器人和机器学习实验室，我们所做的一切都是为了在社会中以安全和道德的方式全面保障人工智能的安全并加以部署，我们真的希望坚持我们的使命和愿景。”